JP7494588B2 - CONTROLLER, SYSTEM, METHOD, AND PROGRAM - Google Patents

CONTROLLER, SYSTEM, METHOD, AND PROGRAM Download PDF

Info

Publication number
JP7494588B2
JP7494588B2 JP2020102296A JP2020102296A JP7494588B2 JP 7494588 B2 JP7494588 B2 JP 7494588B2 JP 2020102296 A JP2020102296 A JP 2020102296A JP 2020102296 A JP2020102296 A JP 2020102296A JP 7494588 B2 JP7494588 B2 JP 7494588B2
Authority
JP
Japan
Prior art keywords
evaluation function
unit
controller
target
numerical values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2020102296A
Other languages
Japanese (ja)
Other versions
JP2021196815A (en
Inventor
哲朗 杉原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Omron Corp filed Critical Omron Corp
Priority to JP2020102296A priority Critical patent/JP7494588B2/en
Priority to PCT/JP2021/009547 priority patent/WO2021250959A1/en
Publication of JP2021196815A publication Critical patent/JP2021196815A/en
Application granted granted Critical
Publication of JP7494588B2 publication Critical patent/JP7494588B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Description

本発明は、コントローラ、システム、方法及びプログラムに関する。 The present invention relates to a controller, a system, a method and a program.

従来、製品の品質保証や工程管理の改善のために、各製造工程のデータを統計的に演算して対象の状態を評価する方法、例えば統計的品質管理や統計的工程管理などの手法（以下、「統計的管理手法」という）が知られている。統計的管理手法では、この評価結果に基づいて品質や工程の異常を検知する。 Conventionally, methods have been known for improving product quality assurance and process management, in which data from each manufacturing process is statistically calculated to evaluate the target state, such as statistical quality control and statistical process control (hereafter referred to as "statistical control methods"). Statistical control methods detect quality or process abnormalities based on the results of this evaluation.

統計的管理手法では、各製造工程のデータに基づいて、統計的手法を用いた管理図が作成される。管理図では、例えば、管理限界線（標準偏差）が上下に引かれ、この管理限界線を閾値としてその間を群ごとの品質特性（例えば、製品の厚さや長さ、又は重さ等）の統計値（例えば、平均値、最大値、最小値等）がプロットされる。また管理図では、例えば、総平均値を示す中心線が引かれ、中心線の上側下側の両側に、群ごとの品質の統計値がプロットされる。そして、統計値が管理境界線を超えたり、中心線に対して一方向側だけに連続したりする場合、管理対象の品質は、異常と判断される。 In statistical control methods, a control chart is created using statistical methods based on data from each manufacturing process. In a control chart, for example, control limit lines (standard deviation) are drawn up and down, and statistical values (e.g., average, maximum, minimum, etc.) of quality characteristics (e.g., product thickness, length, or weight) for each group are plotted between the control limit lines, which serve as thresholds. In addition, in a control chart, for example, a center line indicating the total average value is drawn, and quality statistics for each group are plotted on both sides of the center line. If the statistical values exceed the control boundary line or continue in only one direction relative to the center line, the quality of the controlled object is judged to be abnormal.

例えば、下記特許文献１には、品質特性に関連するデータを収集し、蓄積する品質管理装置が開示されている。この品質管理装置では、蓄積されたデータのうち品質特性が所定の範囲内にあるデータの分布に基づいて品質管理の閾値（管理限界）を更新することが記載されている。このような構成によれば、品質管理の閾値は、蓄積された検査データのうち品質特性が所定の範囲から外れた検査データを除いて更新される。このため、例えば、品質特性が所定の範囲を外れた検査データによって品質管理の管理限界が緩和されてしまうということを抑制し、適切な閾値を維持することができる。 For example, the following Patent Document 1 discloses a quality control device that collects and stores data related to quality characteristics. It is described that this quality control device updates the quality control threshold (control limit) based on the distribution of data whose quality characteristics are within a predetermined range among the accumulated data. With this configuration, the quality control threshold is updated excluding the accumulated inspection data whose quality characteristics are outside the predetermined range. As a result, it is possible to prevent the quality control control limit from being relaxed by inspection data whose quality characteristics are outside the predetermined range, for example, and to maintain an appropriate threshold.

特開２００５－１４６５９１号公報JP 2005-146591 A

上記のような統計的管理手法において、過去に収集されたデータに基づいて閾値を維持するため、対象の品質特性が途中で変わるとその直後は、変わる前の対象のデータで閾値が維持されている。このため、上記のような統計的管理手法において、対象の品質に問題がないのにも関わらず異常と誤検知してしまうという課題がある。 In statistical control methods like the one above, thresholds are maintained based on data collected in the past, so if the quality characteristics of the target change midway through, the thresholds are maintained based on the target's data before the change. For this reason, statistical control methods like the one above have the problem of falsely detecting an abnormality even when there is no problem with the quality of the target.

そこで、本発明は、上記のような統計的管理手法において、対象の品質特性が変わっても、変わる前の数値の影響を受けずに異常を検知することができるコントローラ、システム、方法及びプログラムを提供することを目的とする。 The present invention aims to provide a controller, system, method, and program that can detect abnormalities in the above-mentioned statistical management method, even if the quality characteristics of the target change, without being affected by the numerical values before the change.

本開示の一態様に係るコントローラは、対象の状態を監視するセンサの出力信号から生成された時系列の数値を、逐次取得する取得部と、取得部により新たに取得された数値を評価関数に入力して得られた演算結果に基づいて、対象の異常を逐次検知する検知部と、取得部により新たに取得された数値に基づいて、評価関数を逐次更新する更新部と、評価関数の演算結果に基づいて、評価関数の妥当性を判定する判定部と、を備え、更新部は、判定部が評価関数の妥当性がないと判定した場合、評価関数を初期化する。 A controller according to one aspect of the present disclosure includes an acquisition unit that sequentially acquires time-series numerical values generated from an output signal of a sensor that monitors the state of an object, a detection unit that sequentially detects abnormalities in the object based on a calculation result obtained by inputting the numerical values newly acquired by the acquisition unit into an evaluation function, an update unit that sequentially updates the evaluation function based on the numerical values newly acquired by the acquisition unit, and a determination unit that determines the validity of the evaluation function based on the calculation result of the evaluation function, and the update unit initializes the evaluation function when the determination unit determines that the evaluation function is invalid.

この態様によれば、逐次更新する評価関数の妥当性を判定し、妥当性がないと判定した場合には評価関数を初期化することができる。このため、対象の品質特性が変わっても変わる前の数値の影響を受けずに対象の状態を評価し、異常を検知することができる。 According to this aspect, the validity of the evaluation function that is successively updated can be judged, and if it is judged that the evaluation function is not valid, it can be initialized. Therefore, even if the quality characteristics of the object change, the state of the object can be evaluated and anomalies can be detected without being affected by the numerical values before the change.

上記態様において、評価関数は、数値を標準化する関数であってもよい。 In the above aspect, the evaluation function may be a function that standardizes the numerical values.

この態様によれば、時系列の数値ごとに管理値や中心値等の異常を検知するための閾値を変更せずに対象の異常を検知することができる。 According to this aspect, it is possible to detect abnormalities in a target without changing the thresholds for detecting abnormalities such as the control value or the median value for each time series value.

上記態様において、検知部は、取得部において時系列の数値がその取得開始から評価関数の評価を安定させるために設定された安定数を超えて取得されるまで、評価関数を利用しなくてもよい。 In the above aspect, the detection unit may not use the evaluation function until the time series values acquired by the acquisition unit exceed a stable number set to stabilize the evaluation of the evaluation function from the start of acquisition.

この態様によれば、統計的管理手法において、評価関数の評価が安定する数を超えて初めて評価関数を利用するため、精度よく対象の状態を評価することができる。 According to this aspect, in the statistical management method, the evaluation function is used only when the number at which the evaluation of the evaluation function becomes stable is exceeded, so the state of the target can be evaluated with high accuracy.

上記態様において、判定部は、検知部が対象を異常と検知する演算結果が設定された回数連続して得られた場合に、評価関数の妥当性がないと判定し、更新部は、判定部の判定に基づいて評価関数を初期化した後に、設定された回数連続して対象を異常と検知した演算結果が得られたそれぞれの数値に基づいて、初期化後の評価関数を再更新してもよい。 In the above aspect, the determination unit may determine that the evaluation function is invalid when the detection unit has obtained a set number of consecutive calculation results in which the target is detected as abnormal, and the update unit may initialize the evaluation function based on the determination of the determination unit, and then re-update the initialized evaluation function based on the respective numerical values obtained in the calculation results in which the target is detected as abnormal a set number of consecutive times.

統計的管理手法において、初期化の直後の評価関数は入力する時系列の数値の数が足りないため不安定な評価となり得る。この態様によれば、異常と検知した演算結果が得られたそれぞれの数値、すなわち品質特性が変わった後の時系列の数値で再更新することで評価関数の評価を安定させることができる。 In statistical management methods, the evaluation function immediately after initialization may be unstable due to an insufficient number of time series values to be input. According to this aspect, the evaluation of the evaluation function can be stabilized by re-updating it with the respective values that have been obtained from calculation results that have been detected as abnormal, i.e., the time series values after the quality characteristics have changed.

上記態様において、判定部における複数の判定方法を記憶する記憶部を参照して、複数の判定方法それぞれをユーザから選択可能に出力する第１出力部と、出力された判定方法の選択を、ユーザから受け付ける第１受付部と、をさらに備え、判定部は、選択された判定方法により更新された評価関数の妥当性を判定してもよい。 In the above aspect, the device may further include a first output unit that references a storage unit that stores a plurality of judgment methods in the judgment unit and outputs each of the plurality of judgment methods selectable by the user, and a first reception unit that receives a selection of the output judgment method from the user, and the judgment unit may judge the validity of the evaluation function updated by the selected judgment method.

この態様によれば、一つの判定方法によらずに、ユーザの意思を反映した判定方法で評価関数の妥当性を判定することができる。 According to this aspect, the validity of the evaluation function can be judged using a judgment method that reflects the user's intention, rather than relying on a single judgment method.

上記態様において、評価関数における初期化の実行タイミングを、ユーザから選択可能に出力する第２出力部と、出力された実行タイミングの選択を、ユーザから受け付ける第２受付部と、更新部は、選択された実行タイミングに基づいて評価関数の初期化を行ってもよい。 In the above aspect, a second output unit outputs an execution timing for initialization in the evaluation function in a manner selectable by the user, a second reception unit receives the output selection of the execution timing from the user, and the update unit may initialize the evaluation function based on the selected execution timing.

この態様によれば、ユーザの意思を反映した実行タイミングで評価関数の初期化を行うことができる。 According to this aspect, the evaluation function can be initialized at an execution timing that reflects the user's intention.

本開示の他の態様に係る方法は、コントローラに、対象の状態を監視するセンサの出力信号から生成された時系列の数値を、逐次取得することと、取得部により新たに取得された数値を評価関数に入力して得られた演算結果に基づいて、対象の異常を逐次検知することと、取得部により新たに取得された数値に基づいて、評価関数を逐次更新することと、評価関数の演算結果に基づいて、更新された評価関数の妥当性を判定することと、判定部が評価関数の妥当性がないと判定した場合、評価関数を初期化することと、を実行させる。 A method according to another aspect of the present disclosure has a controller sequentially acquire time series numerical values generated from an output signal of a sensor that monitors the state of an object, sequentially detect abnormalities in the object based on a calculation result obtained by inputting the numerical values newly acquired by the acquisition unit into an evaluation function, sequentially update the evaluation function based on the numerical values newly acquired by the acquisition unit, determine the validity of the updated evaluation function based on the calculation result of the evaluation function, and initialize the evaluation function when the determination unit determines that the evaluation function is invalid.

この態様によれば、逐次更新する評価関数の妥当性を判定し、妥当性がないと判定した場合には評価関数を初期化することができる。このため、対象の品質特性が変わっても変わる前の数値の影響を受けずに対象の状態を評価し、異常を検知することができる。 According to this aspect, the validity of the evaluation function that is successively updated can be judged, and if it is judged that the evaluation function is not valid, it can be initialized. Therefore, even if the quality characteristics of the object change, the state of the object can be evaluated and anomalies can be detected without being affected by the numerical values before the change.

本開示の他の態様に係るプログラムは、コントローラに、対象の状態を監視するセンサの出力信号から生成された時系列の数値を逐次取得することと、取得部により新たに取得された数値を評価関数に入力して得られた演算結果に基づいて、対象の異常を逐次検知することと、時系列の数値に基づいて評価関数を逐次更新することと、評価関数の演算結果に基づいて、更新された評価関数の妥当性を判定することと、評価関数の妥当性がないと判定した場合、評価関数を初期化することと、を実行させる。 A program according to another aspect of the present disclosure causes a controller to sequentially acquire time-series numerical values generated from an output signal of a sensor that monitors the state of an object, sequentially detect abnormalities in the object based on a calculation result obtained by inputting the numerical values newly acquired by the acquisition unit into an evaluation function, sequentially update the evaluation function based on the time-series numerical values, determine the validity of the updated evaluation function based on the calculation result of the evaluation function, and initialize the evaluation function if it is determined that the evaluation function is invalid.

この態様によれば、逐次更新する評価関数の妥当性を判定し、妥当性がないと判定した場合には評価関数を初期化することができる。このため、対象の品質特性が変わっても変わる前の数値の影響を受けずに対象の状態を評価し、異常を検知することができる。 According to this aspect, the validity of the evaluation function that is successively updated can be judged, and if it is judged that the evaluation function is not valid, it can be initialized. Therefore, even if the quality characteristics of the object change, the state of the object can be evaluated and anomalies can be detected without being affected by the numerical values before the change.

本発明によれば、本発明は、上記のような統計的管理手法において、対象の品質特性が変わっても変わる前の数値の影響を受けずに異常を検知することができるコントローラ、システム、方法及びプログラムを提供することを目的とする。 The present invention aims to provide a controller, system, method, and program that can detect anomalies in the above-mentioned statistical management method, even if the quality characteristics of the target change, without being affected by the numerical values before the change.

本発明の実施形態に係るシステムの概要を示す図である。1 is a diagram showing an overview of a system according to an embodiment of the present invention. 本実施形態に係るコントローラの機能ブロックを示す図である。FIG. 2 is a diagram showing functional blocks of a controller according to the present embodiment. 本実施形態に係るコントローラにより取得される時系列の数値と１変数の評価関数による評価の結果を示す図である。11A and 11B are diagrams illustrating time-series values acquired by the controller according to the embodiment and the results of evaluation using an evaluation function with one variable. 本実施形態に係るコントローラにより実行される１変数の評価関数を用いた処理のフローチャートである。11 is a flowchart of a process using an evaluation function of one variable executed by a controller according to the present embodiment. 本実施形態に係るコントローラにより実行される処理のフローチャートである。5 is a flowchart of a process executed by a controller according to the embodiment. 本実施形態に係るコントローラにより実行される２変数の評価関数を用いた処理のフローチャートである。11 is a flowchart of a process using an evaluation function of two variables executed by a controller according to the present embodiment. 本実施形態に係るコントローラにより取得される時系列の数値と２変数の評価関数による評価の結果を示す図である。11A and 11B are diagrams illustrating time-series numerical values acquired by the controller according to the embodiment and the results of evaluation using an evaluation function of two variables. 本実施形態に係るコントローラにより取得される時系列の数値と２変数の評価関数による評価の結果を示す図である。11A and 11B are diagrams illustrating time-series numerical values acquired by the controller according to the embodiment and the results of evaluation using an evaluation function of two variables.

添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。 The following describes an embodiment of the present invention with reference to the attached drawings. In each drawing, the same reference numerals denote the same or similar configurations.

図１は、本発明の実施形態に係るシステム１の概要を示す図である。本実施形態に係るシステム１は、コントローラ１０、センサ２０、コンピュータ３０及び搬送装置５０を備える。 Figure 1 is a diagram showing an overview of a system 1 according to an embodiment of the present invention. The system 1 according to this embodiment includes a controller 10, a sensor 20, a computer 30, and a transport device 50.

図１に示すように、コントローラ１０は、センサ２０、コンピュータ３０及び搬送装置５０に接続されており、搬送装置５０上を次々に搬送される対象１００をセンサ２０が監視している。コントローラ１０は、センサ２０の監視結果として出力される出力信号から生成された時系列の数値を逐次取得し、当該数値に基づいて対象１００の状態を逐次検知する。コントローラ１０による検知結果は、コンピュータ３０に出力されたり、搬送装置５０の制御に用いられたりする。 As shown in FIG. 1, the controller 10 is connected to a sensor 20, a computer 30, and a transport device 50, and the sensor 20 monitors the objects 100 that are transported one after another on the transport device 50. The controller 10 sequentially acquires time-series numerical values generated from the output signal output as the monitoring result of the sensor 20, and sequentially detects the state of the objects 100 based on the numerical values. The detection results by the controller 10 are output to the computer 30 and are used to control the transport device 50.

本実施形態に係るコントローラ１０は、他の装置や機械の動きを制御する装置である。コントローラ１０は、例えば、プログラムで定められた順序や条件などに従ってこれらの動きを制御するＰＬＣ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｃｏｎｔｒｏｌｌｅｒ）であってもよい。コントローラ１０は、少なくともＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の演算装置と、メモリと、入力装置と、出力装置とを有する。コントローラ１０は、センサ２０の出力信号から生成された時系列の数値（以下、単に「時系列の数値」ともいう）から対象１００の状態（例えば、正常か異常か）を検知する。またコントローラ１０は、時系列の数値に基づいて後述の評価関数を逐次更新し、更新された評価関数の妥当性がないと判定された場合は評価関数を初期化することで、対象１００の状態をより精度良く検知することができる。 The controller 10 according to this embodiment is a device that controls the movement of other devices and machines. The controller 10 may be, for example, a PLC (Programmable Logic Controller) that controls these movements according to the sequence and conditions defined in a program. The controller 10 has at least a calculation device such as a CPU (Central Processing Unit), a memory, an input device, and an output device. The controller 10 detects the state of the object 100 (e.g., normal or abnormal) from a time series of numerical values (hereinafter also simply referred to as "time series numerical values") generated from the output signal of the sensor 20. In addition, the controller 10 sequentially updates an evaluation function described below based on the time series numerical values, and initializes the evaluation function when it is determined that the updated evaluation function is not valid, thereby enabling the state of the object 100 to be detected more accurately.

センサ２０は、所定の物理量を測定するセンサであり、例えば、受光量に基づいて対象１００の有無を測定する光センサであったり、磁界の変化に基づいて対象１００の有無を測定する近接センサであったり、光を用いて対象１００までの距離を測定する測距センサであったり、搬送装置５０の状態を測定するセンサであったり、温度センサであったり、圧力センサであったりしてよい。 The sensor 20 is a sensor that measures a predetermined physical quantity, and may be, for example, an optical sensor that measures the presence or absence of the object 100 based on the amount of light received, a proximity sensor that measures the presence or absence of the object 100 based on changes in a magnetic field, a distance sensor that uses light to measure the distance to the object 100, a sensor that measures the state of the transport device 50, a temperature sensor, or a pressure sensor.

コンピュータ３０は、汎用のコンピュータであり、少なくともＣＰＵ等の演算装置と、メモリと、表示装置と、入力装置とを有する。コンピュータ３０は、コントローラ１０から受信した情報を表示したり、入力装置を介して入力された情報をコントローラ１０に送信したりする。 The computer 30 is a general-purpose computer and has at least a calculation device such as a CPU, a memory, a display device, and an input device. The computer 30 displays information received from the controller 10 and transmits information input via the input device to the controller 10.

搬送装置５０は、対象１００を搬送する装置であり、例えばベルトコンベアやローラーコンベアであってよい。なお、搬送装置５０は、対象１００を操作する装置の一例であり、システム１には、搬送装置５０以外の装置が含まれてもよい。例えば、システム１には、対象１００を操作するロボットや、対象１００を製造する工作機械が含まれてもよい。その場合、ロボットや工作機械は、コントローラ１０によって制御されてよい。 The conveying device 50 is a device that conveys the target 100, and may be, for example, a belt conveyor or a roller conveyor. Note that the conveying device 50 is an example of a device that operates the target 100, and the system 1 may include devices other than the conveying device 50. For example, the system 1 may include a robot that operates the target 100, or a machine tool that manufactures the target 100. In this case, the robot or machine tool may be controlled by the controller 10.

図２は、本実施形態に係るコントローラ１０の機能ブロックを示す図である。コントローラ１０は、取得部１１、検知部１２、更新部１３、判定部１４、記憶部１５、出力部１６及び受付部１７を備える。 Figure 2 is a diagram showing the functional blocks of the controller 10 according to this embodiment. The controller 10 includes an acquisition unit 11, a detection unit 12, an update unit 13, a determination unit 14, a storage unit 15, an output unit 16, and a reception unit 17.

取得部１１は、対象１００の状態を監視するセンサ２０の出力信号から生成された時系列の数値（以下、単に「時系列の数値」又は「数値」ともいう）を、逐次取得する。時系列の数値は、所定の時間間隔で取得されてもよいし、不定期に取得されてもよい。取得された時系列の数値は、一時的に記憶部１５に記憶されてもよい。 The acquisition unit 11 sequentially acquires time-series numerical values (hereinafter simply referred to as "time-series numerical values" or "numerical values") generated from the output signal of the sensor 20 that monitors the state of the target 100. The time-series numerical values may be acquired at a predetermined time interval or irregularly. The acquired time-series numerical values may be temporarily stored in the memory unit 15.

検知部１２は、取得部１１により取得された数値を評価関数に入力して得られた演算結果に基づいて、対象１００の状態を検知する。検知部１２は、取得部１１により新たに取得された数値を評価関数に入力して得られた演算結果に基づいて、対象１００の異常を逐次検知する。検知部１２は、例えば、上記演算結果が設定された閾値を超えた場合に、対象１００の異常を検知してもよい。また、検知部１２は、例えば、設定された回数連続して設定された閾値を上記演算結果が上回る又は下回る場合に、すなわち連が発生した場合に対象１００の異常を検知してもよい。 The detection unit 12 detects the state of the target 100 based on the calculation result obtained by inputting the numerical value acquired by the acquisition unit 11 into the evaluation function. The detection unit 12 sequentially detects abnormalities in the target 100 based on the calculation result obtained by inputting the numerical value newly acquired by the acquisition unit 11 into the evaluation function. The detection unit 12 may detect an abnormality in the target 100, for example, when the calculation result exceeds a set threshold. The detection unit 12 may also detect an abnormality in the target 100, for example, when the calculation result exceeds or falls below the set threshold for a set number of consecutive times, i.e., when a run occurs.

「評価関数」とは、対象１００の状態を評価する関数である。評価関数は、例えば、数式（１）で示すように、時系列の数値（Ｘn：ｎ番目の数値）を、取得された時系列の数値の平均値（Ａｖｅn-1）と、標準偏差（ＳＴＤn-1）により標準化（正規化）する関数であってもよい。なお数式（１）～（３）において、Ａｖｅ0＝０、Ｓｔｄ0＝０、Ｓｔｄ1＝０とする。なお本実施形態では、「ｎ」は、各時系列の数値の順番、ひいてはコントローラ１０が取得した時系列の数値の数を示すものとする。 The "evaluation function" is a function that evaluates the state of the target 100. The evaluation function may be, for example, a function that standardizes (normalizes) the time series numerical values (X n : nth numerical value) by the average value (Ave n-1 ) and standard deviation (STD n-1 ) of the acquired time series numerical values, as shown in formula (1). Note that in formulas (1) to (3), Ave 0 = 0, Std 0 = 0, and Std 1 = 0. Note that in this embodiment, "n" indicates the order of the numerical values in each time series, and further indicates the number of numerical values in the time series acquired by the controller 10.

Figure 0007494588000001
Figure 0007494588000001

Figure 0007494588000002
Figure 0007494588000002

Figure 0007494588000003
Figure 0007494588000003

検知部１２は、例えば、標準化された数値に基づいて対象１００の異常を逐次検知してもよい。検知部１２は、例えば、評価関数を用いた演算結果が（ア）標準化された数値ＮＬnが管理上限値や管理下限値を超えること、（イ）標準化された時系列の数値ＮＬnが所定数連続して管理中心値を超える又は下回ること、等の条件（以下、「異常条件」ともいう）を満たす場合、対象１００の異常を検知してもよい。 The detection unit 12 may, for example, sequentially detect an abnormality in the target 100 based on the standardized numerical value. The detection unit 12 may detect an abnormality in the target 100 when, for example, the calculation result using the evaluation function satisfies conditions (hereinafter also referred to as "abnormal conditions") such as (a) the standardized numerical value NL n exceeds a management upper limit value or a management lower limit value, or (b) the standardized time-series numerical value NL n exceeds or falls below a management central value for a predetermined number of consecutive times.

ここで図３（ａ）を参照して、検知部１２における異常の検知処理の一例を説明する。図３（ａ）は、対象１００の品質を管理するための管理図であり、時系列の数値ＸnとＸnを標準化した値ＮＬn（数式（１））とがプロットされた管理図である。この管理図では、横軸を数値の番号「ｎ」、縦軸を数値（計量値）とする。 Here, an example of an anomaly detection process in the detection unit 12 will be described with reference to Fig. 3(a). Fig. 3(a) is a control chart for managing the quality of the object 100, in which the time-series numerical values Xn and the standardized value NLn (formula (1)) of Xn are plotted. In this control chart, the horizontal axis represents the numerical number "n" and the vertical axis represents the numerical value (quantitative value).

本例では、管理図において、上限管理値（ＵＣＬ：Ｕｐｐｅｒ Ｃｏｎｔｒｏｌ Ｌｉｍｉｔ）を「＋３」とし、下限管理値（ＬＣＬ：Ｌｏｗｅｒ Ｃｏｎｔｒｏｌ Ｌｉｍｉｔ）を「－３」とする。また、管理図において、管理中心値（ＣＬ）を「０」とする。 In this example, the upper control limit (UCL) in the control chart is set to "+3" and the lower control limit (LCL) is set to "-3." Also, the central control value (CL) in the control chart is set to "0."

図３（ａ）に示すように、１００番目の数値であるＸ100が外れ値としてプロットされると、ＮＬ100も上限管理値を超えた管理値外れ（ＯＯＣ：Ｏｕｔ ｏｆ Ｃｏｎｔｒｏｌ）としてプロットされる。このようにＸ（ｎ）の異常をＮＬの大きさで評価することができる。 3A, when the 100th value, X100 , is plotted as an outlier, NL100 is also plotted as an out of control value (OOC: Out of Control) that exceeds the upper limit control value. In this way, the abnormality of X(n) can be evaluated by the size of NL.

連の長さが設定された上限値（本例では「７」とする）以上となる場合、後述の更新部１３が、評価関数を初期化する。初期化後のＮＬnにおいて連の発生が解消し、対象の異常を示す状態が解消されている。このように評価関数を初期化することで、評価関数における変化前の品質特性の影響を取り除くことができる。 When the run length is equal to or greater than a set upper limit (7 in this example), an update unit 13, which will be described later, initializes the evaluation function. After the initialization, the occurrence of runs is eliminated in NL n , and the state indicating an abnormality in the target is eliminated. By initializing the evaluation function in this way, the influence of the quality characteristics before the change in the evaluation function can be removed.

検知部１２は、例えば、取得部１１において時系列の数値がその取得開始から安定数を超えて取得されるまで評価関数を利用しなくてもよい。安定数とは、評価関数の評価を安定させるために設定された数であり、例えば「３」などの数であってもよい。安定数は、例えば、評価関数により標準化した数値が一定範囲に収束するまでの数値の数の実績を設定してもよい。 The detection unit 12 may not use the evaluation function, for example, until the time series values acquired by the acquisition unit 11 exceed the stable number from the start of acquisition. The stable number is a number set to stabilize the evaluation of the evaluation function, and may be a number such as "3". The stable number may be set to the actual number of values until the values standardized by the evaluation function converge to a certain range, for example.

例えば評価関数が平均値や標準偏差等の統計量を使用する場合、時系列の数値の数が一定程度取得できるまでは、値０になったり極端に大きな値になったりする場合がある。上記構成によれば、検知部１２は、評価関数の評価が安定する数を超えて初めて評価関数を利用するため、精度よく対象の状態を評価することができる。 For example, when the evaluation function uses statistics such as the average value or standard deviation, the value may become 0 or an extremely large value until a certain number of numerical values in the time series can be acquired. With the above configuration, the detection unit 12 uses the evaluation function only when the number exceeds the number at which the evaluation of the evaluation function becomes stable, so that the state of the target can be evaluated with high accuracy.

更新部１３は、取得部１１により新たに取得された時系列の数値に基づいて評価関数を逐次更新する。更新部１３は、例えば、取得部１１により新たに取得された時系列の数値を評価関数に逐次入力して、当該評価関数を逐次更新してもよい。また更新部１３は、後述の判定部１４が評価関数の妥当性がないと判定した場合、評価関数を初期化する。 The update unit 13 sequentially updates the evaluation function based on the time series numerical values newly acquired by the acquisition unit 11. For example, the update unit 13 may sequentially input the time series numerical values newly acquired by the acquisition unit 11 to the evaluation function to sequentially update the evaluation function. Furthermore, the update unit 13 initializes the evaluation function when the determination unit 14 described below determines that the evaluation function is invalid.

従来、対象１００の異常検知を行う際に、事前にデータを取得して異常検知を行うモデルを作成することがあった。そのため、モデルの数が多い場合や、モデルの更新が必要な場合において、効率的なデータの取得を含めたモデル作成の方法が課題となっていた。上記構成によれば、リアルタイムかつ自動的に、時系列の数値を取得して評価関数を更新することができる。このため、上記構成によれば、データの取得のために工場の操業を停止させたり、データ取得のために人が従事したりする必要がない。従って、上記構成によれば、効率的に異常検知を行う仕組みを構築することができる。 Conventionally, when detecting an anomaly in the target 100, data was acquired in advance to create a model for anomaly detection. Therefore, when there are a large number of models or when a model needs to be updated, an efficient method of model creation, including data acquisition, has been an issue. With the above configuration, it is possible to automatically acquire time-series values in real time and update the evaluation function. Therefore, with the above configuration, it is not necessary to stop factory operations to acquire data or to have people work to acquire data. Therefore, with the above configuration, it is possible to build a system for efficient anomaly detection.

ここで図３（ｂ）を参照して、検知部１２における異常の検知処理及び更新部１３における初期化処理の一例を説明する。図３（ｂ）は、図３（ａ）と同様に、対象１００の品質を管理するための管理図である。図３（ｂ）における上限管理値（ＵＣＬ）や下限管理値（ＬＣＬ）及び管理中心値（ＣＬ）等の条件は、図３（ａ）と同様である。 Now, referring to FIG. 3(b), an example of the abnormality detection process in the detection unit 12 and the initialization process in the update unit 13 will be described. Like FIG. 3(a), FIG. 3(b) is a control chart for managing the quality of the target 100. The conditions in FIG. 3(b), such as the upper control limit (UCL), lower control limit (LCL), and control center value (CL), are the same as those in FIG. 3(a).

図３（ｂ）に示すように、ＮＬnにおいて、時系列の数値に変化が生じた点（以下、「変化点」ともいう）、すなわち対象１００の品質特性が変わった点であるＸ1000に対応するＮＬ1000を起点として連が生じている。この連とは、管理図にプロットされている連続する点であって、管理中心値（ＣＬ）の上又は下等の一方向側だけに点が連続している点である。また管理図において、連の長さが所定数（例えば、「７」や「８」）を超えると対象の品質が異常であると判断することができる。 As shown in Fig. 3(b), in NL n , a run is generated starting from NL 1000 corresponding to X 1000 , which is the point where a change occurs in the time series numerical values (hereinafter also referred to as a "change point"), that is, the point where the quality characteristic of the object 100 changes. This run is a series of consecutive points plotted on a control chart, and is a series of points only on one side, such as above or below the control center value (CL). Also, in the control chart, if the length of the run exceeds a predetermined number (for example, "7" or "8"), it can be determined that the quality of the object is abnormal.

設定回数は、例えば、連の長さの上限値（本例では、「７」とする）であってもよい。この際、更新部１３は、上限管理値（＋３）を超えるＮＬ1000からＮＬ1006までに対応する７つの異常の候補となる数値を連続して検知部１２が検知した場合、評価関数を初期化する。すなわち、更新部１３は、評価関数におけるｎを「１」にして、また１からカウントし直して評価関数を逐次更新していく。 The set number of times may be, for example, the upper limit of the run length (set to "7" in this example). In this case, when the detection unit 12 detects seven consecutive values that are candidates for abnormality and correspond to NL 1000 to NL 1006 and exceed the upper limit management value (+3), the update unit 13 initializes the evaluation function. That is, the update unit 13 sets n in the evaluation function to "1" and restarts counting from 1 to successively update the evaluation function.

更新部１３は、例えば、後述の第２受付部１７ｂが受け付けた実行タイミングであってユーザにより選択された実行タイミングに基づいて、評価関数の初期化を行ってもよい。 The update unit 13 may initialize the evaluation function, for example, based on the execution timing accepted by the second acceptance unit 17b described below and selected by the user.

更新部１３は、例えば、判定部１４の判定に基づいて評価関数を初期化した後に、設定された回数連続して対象１００を異常と検知した演算結果が得られたそれぞれの数値に基づいて、初期化後の評価関数を再更新してもよい。更新部１３は、例えば、図３（ｂ）に示すようにＮＬ1000からＮＬ1006までの７つの異常と検知された演算結果が得られたそれぞれの数値Ｘ1000からＸ1006の値を（１）式に代入して、初期化後の評価関数を再更新してもよい。 For example, the update unit 13 may initialize the evaluation function based on the judgment of the judgment unit 14, and then re-update the initialized evaluation function based on each numerical value obtained as a calculation result in which the target 100 is detected as abnormal a set number of times in succession. For example, the update unit 13 may re-update the initialized evaluation function by substituting the values of numerical values X1000 to X1006 obtained as calculation results in which seven abnormalities from NL1000 to NL1006 are detected, into formula (1) as shown in FIG. 3B.

判定部１４は、評価関数の演算結果に基づいて、更新された評価関数の妥当性を判定する。判定部１４は、例えば、管理中心値を超える評価関数の演算結果（ＮＬnの値）が連続して検知された場合、評価関数の妥当性がないと判定してもよい。 The determination unit 14 determines the validity of the updated evaluation function based on the calculation result of the evaluation function. For example, the determination unit 14 may determine that the evaluation function is invalid when the calculation result of the evaluation function (the value of NL n ) exceeding the management central value is detected consecutively.

上記構成によれば、判定部１４は、自動的に評価関数の妥当性を判定して、妥当性がない場合においては更新部１３により自動的に評価関数を初期化することができる。このため上記構成によれば、ユーザが随時妥当性を判定する必要がなく、ユーザの負荷を低減できる。 According to the above configuration, the judgment unit 14 automatically judges the validity of the evaluation function, and if the evaluation function is not valid, the update unit 13 can automatically initialize the evaluation function. Therefore, according to the above configuration, the user does not need to judge the validity at any time, and the burden on the user can be reduced.

判定部１４は、例えば、検知部１２が対象１００を異常と検知する演算結果が設定された回数（以下、「設定回数」ともいう）連続して得られた場合に、評価関数の妥当性がないと判定してもよい。判定部１４は、例えば、連の数が設定された回数となった場合に、評価関数の妥当性がないと判定してもよい。 The determination unit 14 may determine that the evaluation function is invalid when, for example, the detection unit 12 has consecutively obtained a calculation result that detects the target 100 as abnormal a set number of times (hereinafter also referred to as the "set number of times"). The determination unit 14 may determine that the evaluation function is invalid when, for example, the number of runs reaches a set number of times.

ここで図４を参照して、図３の管理図を利用した、本実施形態に係るコントローラ１０により実行される評価関数の逐次更新及び初期化の具体的な処理の一例を説明する。本例では、管理中心値を「０」として、管理値の絶対値（ＮＬmax）を「３」とする。また本例では、連の数の上限値（ＳＰＣmax）を「７」とする。 Here, with reference to Fig. 4, an example of a specific process of sequentially updating and initializing the evaluation function executed by the controller 10 according to this embodiment using the control chart of Fig. 3 will be described. In this example, the control central value is set to "0", and the absolute value of the control value (NL max ) is set to "3". Also, in this example, the upper limit of the number of runs (SPC max ) is set to "7".

図４に示すように、コントローラ１０は、対象１００の状態を示す時系列の数値（Ｘn）を取得する（Ｓ１０）。 As shown in FIG. 4, the controller 10 acquires time-series numerical values (X n ) indicating the state of the target 100 (S10).

次にコントローラ１０は、数式（１）を用いて時系列の数値を標準化した値（ＮＬn）を算出する（Ｓ１１）。 Next, the controller 10 calculates a standardized value (NL n ) of the time series numerical values using the formula (1) (S11).

今回標準化した値（ＮＬn）と前回標準化した値（ＮＬn-1）の符号が同じ場合（Ｓ１２のＹｅｓ）、コントローラ１０は、連の数（ＳＰＣ）をインクリメントする（Ｓ１３）。 If the current standardized value (NL n ) and the previous standardized value (NL n-1 ) have the same sign (Yes in S12), the controller 10 increments the run count (SPC) (S13).

インクリメントした連の数（ＳＰＣ）が設定された上限値（ＳＰＣmax）以上の場合（Ｓ１４のＹｅｓ）、コントローラ１０は、ｎを「１」で初期化する（Ｓ１５）。これにより、コントローラ１０は、評価関数を初期化する。すなわちコントローラ１０は、連の数（ＳＰＣ）が上限値（ＳＰＣmax）以上となった場合に、評価関数の妥当性がないと判定して、評価関数を初期化する。 If the incremented run count (SPC) is equal to or greater than the set upper limit (SPC max ) (Yes in S14), the controller 10 initializes n to "1" (S15). In this way, the controller 10 initializes the evaluation function. That is, if the run count (SPC) is equal to or greater than the upper limit (SPC max ), the controller 10 determines that the evaluation function is invalid and initializes the evaluation function.

コントローラ１０は、数式（２）を用いて平均値（Ａｖｅn）を算出する（Ｓ１６）。次にコントローラ１０は、数式（３）を用いて標準偏差（Ｓｔｄn）を算出する（Ｓ１７）。 The controller 10 calculates the average value (Ave n ) using the formula (2) (S16) Next, the controller 10 calculates the standard deviation (Std n ) using the formula (3) (S17).

今回標準化した値（ＮＬn）と前回標準化した値（ＮＬn-1）の符号が異なる場合（Ｓ１２のＹｅｓ）、コントローラ１０は、連の数（ＳＰＣ）を「０」で初期化する（Ｓ１８）。 If the signs of the current standardized value (NL n ) and the previous standardized value (NL n-1 ) are different (Yes in S12), the controller 10 initializes the run count (SPC) to "0" (S18).

インクリメントした連の数（ＳＰＣ）が設定された上限値（ＳＰＣmax）より小さい場合（Ｓ１４のＮｏ）、かつ標準化した値の絶対値（｜ＮＬ（ｎ）｜）が管理限界の上限値（ＮＬmax）より小さい場合、フローはステップＳ１６の前に遷移する。 If the incremented number of runs (SPC) is smaller than the set upper limit (SPC max ) (No in S14) and the absolute value of the standardized value (|NL(n)|) is smaller than the upper limit of the control limit (NL max ), the flow transitions to before step S16.

インクリメントした連の数（ＳＰＣ）が設定された上限値（ＳＰＣmax）より小さい場合（Ｓ１４のＮｏ）、かつ標準化した値の絶対値（｜ＮＬ（ｎ）｜）が管理限界の上限値（ＮＬmax）以上の場合、コントローラ１０は、今回の平均値（Ａｖｅn）には前回の平均値（Ａｖｅn-1）を設定する（Ｓ２１）。次に、コントローラ１０は、今回の標準偏差（Ｓｔｄn）にも前回の標準偏差（Ｓｔｄn-1）を設定する（Ｓ２２）。 If the incremented number of runs (SPC) is smaller than the set upper limit (SPC max ) (No in S14) and the absolute value of the standardized value (|NL(n)|) is equal to or larger than the upper control limit (NL max ), the controller 10 sets the current average value (Ave n ) to the previous average value (Ave n-1 ) (S21). Next, the controller 10 also sets the current standard deviation (Std n ) to the previous standard deviation (Std n-1 ) (S22).

上記方法によれば、標準化した値（｜ＮＬ（ｎ）｜）が管理上限値（ＮＬｍａｘ）以上の場合、すなわちＮＬnが外れ値の場合、対応する時系列の数値による値（平均値、標準偏差）をこれまで逐次更新してきた統計量に含めないようにすることができる。 According to the above method, when the standardized value (|NL(n)|) is equal to or greater than the upper control limit (NLmax), that is, when NL n is an outlier, it is possible to exclude the value (average, standard deviation) of the corresponding time series numerical value from the statistics that have been successively updated up to that point.

コントローラ１０は、ｎをインクリメントする（Ｓ１８）。フローは、ステップＳ１０の前に戻る。そして次のｎ＋１番目の数値（Ｘ（ｎ＋１））に関する処理に移る。このような方法により、コントローラ１０は、評価関数を逐次更新し、標準化した値等を求めていくことができる。 The controller 10 increments n (S18). The flow returns to before step S10. Then, processing proceeds to the next n+1th numerical value (X(n+1)). In this manner, the controller 10 can successively update the evaluation function and obtain standardized values, etc.

判定部１４は、例えば、後述の第１受付部１７ａが受け付けた判定方法であってユーザにより選択された判定方法により更新された評価関数の妥当性を判定してもよい。このような構成によれば、ユーザの意思を反映した判定方法により評価関数の妥当性を判定することができる。このため、このような構成によれば、現場の実状に合わせた評価関数の利用が可能になる。 The judgment unit 14 may, for example, judge the validity of the updated evaluation function by a judgment method that is accepted by the first acceptance unit 17a described below and selected by the user. With this configuration, the validity of the evaluation function can be judged by a judgment method that reflects the user's intention. Therefore, with this configuration, it becomes possible to use an evaluation function that is tailored to the actual conditions at the site.

記憶部１５は、判定部１４における複数の判定方法を記憶する。 The memory unit 15 stores multiple determination methods used by the determination unit 14.

出力部１６は、第１出力部１６ａと、第２出力部１６ｂとを備える。出力部１６は、検知部１２が対象１００の異常を検知した場合、対象１００の異常を出力する。出力部１６は、例えば、対象１００の異常を検知した場合、検知結果としてこの異常を検知した旨をコンピュータ３０の表示装置等に出力するための出力情報を生成してもよい。出力部１６は、コンピュータ３０にこの出力情報を出力する。 The output unit 16 includes a first output unit 16a and a second output unit 16b. When the detection unit 12 detects an abnormality in the target 100, the output unit 16 outputs the abnormality in the target 100. For example, when the output unit 16 detects an abnormality in the target 100, the output unit 16 may generate output information for outputting, as a detection result, to a display device of the computer 30, that the abnormality has been detected. The output unit 16 outputs this output information to the computer 30.

第１出力部１６ａは、複数の判定部１４における判定方法を記憶する記憶部を参照して、複数の判定方法それぞれをユーザから選択可能に出力する。この記憶部は、コントローラ１０の記憶部１５であってもよいし、コンピュータ３０等の外部機器の記憶部であってもよい。 The first output unit 16a references a storage unit that stores the determination methods used by the multiple determination units 14, and outputs each of the multiple determination methods so that the user can select them. This storage unit may be the storage unit 15 of the controller 10, or may be a storage unit of an external device such as the computer 30.

第１出力部１６ａは、例えば、上記複数の判定方法をリストアップした画面であってこのリストから採用する判定方法の選択を受け付ける画面をコンピュータ３０の表示装置等に出力するための第１出力情報を生成してもよい。第１出力部１６ａはこの第１出力情報をコンピュータ３０に出力する。 The first output unit 16a may generate first output information for outputting, for example, a screen that lists the above-mentioned multiple determination methods and accepts the selection of a determination method to be adopted from this list to a display device of the computer 30. The first output unit 16a outputs this first output information to the computer 30.

第２出力部１６ｂは、評価関数における初期化の実行タイミングを、ユーザから選択可能に出力する。初期化の実行タイミングは、上記の「評価関数の妥当性がないと判定した場合」の他に、例えば、「即時」、「ユーザが指定した日時」等が考えられる。 The second output unit 16b outputs the execution timing of the initialization of the evaluation function in a manner that allows the user to select it. In addition to the above-mentioned "when it is determined that the evaluation function is not valid," the execution timing of the initialization can be, for example, "immediately," "at a date and time specified by the user," etc.

第２出力部１６ｂは、例えば、初期化の実行タイミングを指定するフォームを含む画面であってこのフォームからユーザの実行タイミングの指定を受け付ける画面をコンピュータ３０の表示装置等に出力するための第２出力情報を生成してもよい。第１出力部１６ａはこの第２出力情報をコンピュータ３０に出力する。 The second output unit 16b may generate second output information for outputting, to a display device of the computer 30, a screen including a form for specifying the timing for initialization and for accepting the user's specification of the timing for initialization from this form. The first output unit 16a outputs this second output information to the computer 30.

受付部１７は、第１受付部１７ａと、第２受付部１７ｂと、を備える。 The reception unit 17 includes a first reception unit 17a and a second reception unit 17b.

第１受付部１７ａは、第１出力部１６ａにより出力された判定方法の選択を、ユーザから受け付ける。 The first reception unit 17a receives from the user the selection of the determination method output by the first output unit 16a.

第２受付部１７ｂは、例えば、第２出力部１６ｂにより出力された実行タイミングの選択を、ユーザから受け付けてもよい。 The second reception unit 17b may, for example, receive from the user the selection of the execution timing output by the second output unit 16b.

図５を参照して、本実施形態に係るコントローラ１０により実行される処理の一例を説明する。 An example of the processing executed by the controller 10 according to this embodiment will be described with reference to FIG. 5.

図５に示すように、取得部１１は、対象１００の状態を監視するセンサ２０の出力信号から生成された時系列の数値を、逐次取得する（Ｓ３０）。次に検知部１２は、取得部１１により新たに取得された数値を評価関数に入力して得られた演算結果に基づいて、対象１００の状態を逐次検知する（Ｓ３１）。 As shown in FIG. 5, the acquisition unit 11 sequentially acquires a time series of numerical values generated from the output signal of the sensor 20 that monitors the state of the target 100 (S30). Next, the detection unit 12 sequentially detects the state of the target 100 based on the calculation result obtained by inputting the newly acquired numerical values by the acquisition unit 11 into an evaluation function (S31).

検知部１２が対象１００の異常を検知した場合（Ｓ３２のＹｅｓ）、出力部１６は、対象の異常をコンピュータ３０等に出力する（Ｓ３３）。 If the detection unit 12 detects an abnormality in the target 100 (Yes in S32), the output unit 16 outputs the abnormality in the target to the computer 30 or the like (S33).

更新部１３は、取得部１１により新たに取得された数値に基づいて評価関数を逐次更新する（Ｓ３４）。判定部１４は、評価関数の演算結果に基づいて、更新部１３により更新された評価関数の妥当性を判定する（Ｓ３５）。 The update unit 13 sequentially updates the evaluation function based on the newly acquired numerical values by the acquisition unit 11 (S34). The judgment unit 14 judges the validity of the evaluation function updated by the update unit 13 based on the calculation result of the evaluation function (S35).

判定部１４が評価関数の妥当性がないと判定した場合（Ｓ３６のＮｏ）、更新部１３は、評価関数を初期化する（Ｓ３７）。 If the judgment unit 14 judges that the evaluation function is invalid (No in S36), the update unit 13 initializes the evaluation function (S37).

コントローラ１０が処理を続ける場合（Ｓ３８のＮｏ）、フローはステップＳ３０の前に戻って、コントローラ１０は次の時系列の数値を処理する。 If the controller 10 continues processing (No in S38), the flow returns to before step S30, and the controller 10 processes the next time series of values.

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。 The above-described embodiments are intended to facilitate understanding of the present invention, and are not intended to limit the present invention. The elements of the embodiments, as well as their arrangement, materials, conditions, shapes, sizes, etc., are not limited to those exemplified, and may be modified as appropriate. In addition, configurations shown in different embodiments may be partially substituted or combined.

［変形例］
なお、本発明を上記実施形態に基づいて説明してきたが、以下のような場合も本発明に含まれる。
（１）上記実施形態では、時系列の数値として１変数（Ｘn）を用いる、すなわち対象の一つの品質の状態を評価する例を説明したが、これに限定されない。例えば、評価関数は２変数（本例では、Ｘ１n、Ｘ２n）を用いてもってもよい。 [Modification]
Although the present invention has been described based on the above embodiment, the following cases are also included in the present invention.
(1) In the above embodiment, one variable ( Xn ) is used as a time-series value, that is, an example is described in which the quality state of one object is evaluated, but this is not limiting. For example, the evaluation function may use two variables ( X1n and X2n in this example).

図７を参照して、図８～９の管理図における、本実施形態に係るコントローラ１０により実行される２変数での評価関数の逐次更新及び初期化の具体的な処理の一例を説明する。 With reference to Figure 7, an example of a specific process for sequentially updating and initializing an evaluation function with two variables executed by the controller 10 according to this embodiment in the control charts of Figures 8 to 9 will be described.

図７に示すように、コントローラ１０は、対象１００の状態を示す時系列の二つの数値（Ｘ１n、Ｘ２n）を取得する（Ｓ５０）。 As shown in FIG. 7, the controller 10 acquires two time-series numerical values (X1 n , X2 n ) indicating the state of the target 100 (S50).

次にコントローラ１０は、時系列の二つの数値を標準化した値（ＮＬ１n、ＮＬ２n）を算出する（Ｓ５１）。 Next, the controller 10 calculates values (NL1 n , NL2 n ) obtained by standardizing the two numerical values in the time series (S51).

今回標準化した値（ＮＬ１n）と前回標準化した値（ＮＬ１n-1）の符号が同じ場合（Ｓ５２のＹｅｓ）、コントローラ１０は、連の数（ＳＰＣ１）をインクリメントする（Ｓ５３）。今回標準化した値（ＮＬ１n）と前回標準化した値（ＮＬ１n-1）の符号が異なる場合（Ｓ５２のＮｏ）、コントローラ１０は、連の数（ＳＰＣ）を「０」で初期化する（Ｓ５４）。 If the signs of the current standardized value (NL1 n ) and the previous standardized value (NL1 n-1 ) are the same (Yes in S52), the controller 10 increments the run number (SPC1) (S53).If the signs of the current standardized value (NL1 n ) and the previous standardized value (NL1 n-1 ) are different (No in S52), the controller 10 initializes the run number (SPC) to "0" (S54).

今回標準化した値（ＮＬ２n）と前回標準化した値（ＮＬ２n-1）の符号が同じ場合（Ｓ５５のＹｅｓ）、コントローラ１０は、連の数（ＳＰＣ２）をインクリメントする（Ｓ５６）。今回標準化した値（ＮＬ２n）と前回標準化した値（ＮＬ２n-1）の符号が異なる場合（Ｓ５５のＮｏ）、コントローラ１０は、連の数（ＳＰＣ２）を「０」で初期化する（Ｓ５７）。 If the signs of the current standardized value (NL2 n ) and the previous standardized value (NL2 n-1 ) are the same (Yes in S55), the controller 10 increments the run number (SPC2) (S56).If the signs of the current standardized value (NL2 n ) and the previous standardized value (NL2 n-1 ) are different (No in S55), the controller 10 initializes the run number (SPC2) to "0" (S57).

インクリメントしたそれぞれの連の数のうち最大値（Ｍａｘ（ＳＰＣ１、ＳＰＣ２））が設定された上限値（ＳＰＣmax）以上の場合（Ｓ５８のＹｅｓ）、コントローラ１０は、ｎを「１」で初期化する（Ｓ５９）。これにより、コントローラ１０は、評価関数（数式（１））を初期化する。 If the maximum value (Max(SPC1, SPC2)) of the incremented numbers of runs is equal to or greater than the set upper limit (SPC max ) (Yes in S58), the controller 10 initializes n to "1" (S59), thereby initializing the evaluation function (formula (1)).

インクリメントしたそれぞれの連の数のうち最大値（Ｍａｘ（ＳＰＣ１、ＳＰＣ２））が設定された上限値（ＳＰＣmax）より小さい場合（Ｓ５８のＮｏ）、かつ「ｎ」が７より小さい場合（Ｓ６０のＹｅｓ）、ステップＳ５９の後に遷移する。 If the maximum value (Max(SPC1, SPC2)) of the incremented numbers of each run is smaller than the set upper limit value (SPC max ) (No in S58), and if "n" is smaller than 7 (Yes in S60), the process transitions to step S59.

なお、このステップ６０では、後述のマハラノビス距離の２乗値（ＭＤn）において、原理的にはｎ≧４から算出することができる。しかしながらｎの値が小さい場合、ＭＤnは不安定なため、本例ではｎが「７」から算出するように判断分岐している。 In step 60, the squared value of the Mahalanobis distance ( MDn ), which will be described later, can in principle be calculated from n ≥ 4. However, when the value of n is small, MDn is unstable, so in this example, the decision branch is made so that calculation starts from n = 7.

ここで上記「原理的にはｎ≧４から算出することができる」について補足する。ｎが「１」の場合、前の周期のデータがないためＭＤnが算出できない。またｎが「２」の場合、前の周期までのデータが１サンプル分となり相関関係が計算できないので、ＭＤnが算出できない。またｎが３の場合、前の周期までのデータが２サンプル分となり相関係数は１となるので逆行列（数式（５））が計算できず、ＭＤnが算出できない。このようにｎ＜４までは、ＭＤnを算出することができない。 Here, we will add some supplementary information to the above statement that "in principle, it can be calculated from n≧4." When n is "1," there is no data from the previous period, so MD n cannot be calculated. When n is "2," the data from the previous period is one sample, so the correlation cannot be calculated, and MD n cannot be calculated. When n is 3, the data from the previous period is two samples, so the correlation coefficient is 1, so the inverse matrix (formula (5)) cannot be calculated, and MD n cannot be calculated. In this way, MD n cannot be calculated up to n<4.

インクリメントしたそれぞれの連の数のうち最大値（Ｍａｘ（ＳＰＣ１、ＳＰＣ２））が設定された上限値（ＳＰＣmax）より小さい場合（Ｓ５８のＮｏ）、かつ「ｎ」が７以上の場合（Ｓ６０のＮｏ）、数式（４）～（７）で示すように、マハラノビス距離の２乗値（ＭＤn）を算出する（Ｓ６１）。なお数式（６）において、Ｃｏｖ0＝０とする。 If the maximum value (Max(SPC1, SPC2)) among the incremented numbers of runs is smaller than the set upper limit (SPC max ) (No in S58), and if "n" is 7 or more (No in S60), the squared value of the Mahalanobis distance (MD n ) is calculated (S61) as shown in formulas (4) to (7). Note that in formula (6), Cov 0 =0.

Figure 0007494588000004
Figure 0007494588000004

Figure 0007494588000005
Figure 0007494588000005

Figure 0007494588000006
Figure 0007494588000006

Figure 0007494588000007
Figure 0007494588000007

マハラノビス距離の２乗（ＭＤ（ｎ））が設定した管理値（ＭＤmax）より小さい場合、コントローラ１０は、式（２）を用いてそれぞれの平均値（Ａｖｅ１n、Ａｖｅ２n）を算出する（Ｓ６３）。またコントローラ１０は、式（３）を用いてそれぞれの標準偏差（Ｓｔｄ１n、Ｓｔｄ２n）を算出する（Ｓ６３）。 If the square of the Mahalanobis distance (MD(n)) is smaller than the set management value ( MDmax ), the controller 10 calculates the respective average values ( Ave1n , Ave2n ) using equation (2) (S63).The controller 10 also calculates the respective standard deviations ( Std1n , Std2n ) using equation (3) (S63).

マハラノビス距離の２乗（ＭＤn）が設定した管理値（ＭＤmax）以上の場合、コントローラ１０は、今回のそれぞれの平均値（Ａｖｅ１n、Ａｖｅ２n）には前回のそれぞれの平均値（Ａｖｅn-1、Ａｖｅ２n-1）を、設定する（Ｓ６４）。また、この場合、コントローラ１０は、今回のそれぞれの標準偏差（Ｓｔｄ１n、Ｓｔｄ２n）にも前回の標準偏差（Ｓｔｄ１n-1、Ｓｔｄ２n-1）を設定する（Ｓ６４）。ステップＳ６５の前に遷移する。 If the square of the Mahalanobis distance ( MDn ) is equal to or greater than the set management value ( MDmax ), the controller 10 sets the previous average values ( Aven-1, Ave2n-1) to the current average values (Ave1n , Ave2n ) (S64). In this case, the controller 10 also sets the previous standard deviations ( Std1n - 1, Std2n -1 ) to the current standard deviations (Std1n, Std2n ) (S64). A transition is made before step S65.

上記方法によれば、マハラノビス距離の２乗（ＭＤn）が管理値（ＭＤmax）以上の場合、すなわちＭＤnが外れ値の場合、対応する時系列の数値により算出された値（平均値、標準偏差、共分散）をこれまで逐次更新してきた統計量に含めないようにすることができる。 According to the above method, when the squared Mahalanobis distance ( MDn ) is equal to or greater than the control value ( MDmax ), i.e., when MDn is an outlier, the values (mean, standard deviation, covariance) calculated from the corresponding time series numerical values can be excluded from the statistics that have been successively updated up to now.

コントローラ１０は、式（７）を用いて時系列の二つの数値の相関関係（Ｃｏｒｒn）を算出する（Ｓ６５）。コントローラ１０は、ｎをインクリメントする（Ｓ６６）。フローは、ステップＳ５０の前に戻る。そして次のｎ＋１番目の数値（Ｘ１n+1、Ｘ２n+1）に関する処理に移る。このような方法により、コントローラ１０は、時系列の二つの数値であっても評価関数を逐次更新し、標準化した値等を求めていくことができる。 The controller 10 calculates the correlation (Corr n ) between the two time-series values using equation (7) (S65). The controller 10 increments n (S66). The flow returns to before step S50. Then, the process moves to the next process for the n+1th value (X1 n+1 , X2 n+1 ). With this method, the controller 10 can successively update the evaluation function even for two time-series values, and obtain standardized values, etc.

図７～８を参照して、２変数における検知部１２における異常の検知処理の一例を説明する。図７は、図３と同様に対象１００の二つの品質を管理するための管理図であり、時系列の数値Ｘ１nと数値Ｘ２nと式（４）のマハラノビス距離の２乗（ＭＤn）とがプロットされた管理図である。図８（ａ）は、図７とは異なるパターンの管理図である。図８（ｂ）は、図８（ａ）が示す時系列の数値をプロットした散布図である。これらの管理図では、横軸を時系列の数値の番号「ｎ」、縦軸を時系列の数値（計量値）とマハラノビス距離の２乗とする。 An example of an anomaly detection process in the detection unit 12 for two variables will be described with reference to Figs. 7 and 8. Fig. 7 is a control chart for managing two qualities of the object 100, similar to Fig. 3, and is a control chart in which the time series values X1 n and X2 n and the square of the Mahalanobis distance (MD n ) of equation (4) are plotted. Fig. 8(a) is a control chart with a different pattern from that of Fig. 7. Fig. 8(b) is a scatter plot in which the time series values shown in Fig. 8(a) are plotted. In these control charts, the horizontal axis represents the number "n" of the time series value, and the vertical axis represents the time series value (metric value) and the square of the Mahalanobis distance.

図７（ａ）に示すように、例えば、１００番目の時系列の数値であるＸ１100とＸ２100が外れ値としてプロットされると、ＭＤ100も上限管理値を超えた管理値外れ（ＯＯＣ）としてプロットされる。このようにＸ１n及びＸ２nの異常をＭＤnの大きさで評価することができる。 7(a), for example, when X1 100 and X2 100 , which are the 100th time series values, are plotted as outliers, MD 100 is also plotted as out of control (OOC) that exceeds the upper control limit. In this way, the abnormality of X1 n and X2 n can be evaluated by the magnitude of MD n .

図７（ｂ）に示すように、例えば、時系列の数値それぞれの変化点、すなわち対象１００の品質特性が変わった点であるＸ１57及びＸ２57に対応するＭＤ57を起点として連が生じている。連の長さが設定された上限値以上となる場合、更新部１３は、評価関数を初期化する。 7B, for example, a run occurs starting from MD 57 corresponding to X1 57 and X2 57 , which are change points of the time series values, i.e., points where the quality characteristics of the object 100 change. If the length of the run is equal to or greater than the set upper limit, the update unit 13 initializes the evaluation function.

図８（ａ）に示すように、Ｘ１とＸ２それぞれの時系列の数値を個別に状態を評価して異常を検知していると、それぞれは管理限界線の範囲内に入っているので正常と評価されることがある。しかしながらそのような場合でも、これらの２変数のマハラノビス距離においては上限管理値を超えた管理値外れ（ＭＤ137）がプロットされる。このように１変数の評価関数では検知できない異常を２変数の評価関数により検知できることが分かる。 As shown in Figure 8(a), if the time series values of X1 and X2 are evaluated individually to detect abnormalities, they may be evaluated as normal because they are within the range of the control limit line. However, even in such cases, the Mahalanobis distance between these two variables plots an out-of-control value (MD 137 ) that exceeds the upper control limit. In this way, it can be seen that an abnormality that cannot be detected by an evaluation function of one variable can be detected by an evaluation function of two variables.

図８（ｂ）は、図８（ａ）の時系列の２つの数値を散布図にプロットしたものである。図８（ｂ）に示すように、時系列の２つの数値、すなわち２変数間の相関関係を考慮して中心からどの程度離れているかを示すＭＤ137の値が異常に高くなって分布から外れているのが分かる。 Figure 8(b) is a scatter plot of the two values in the time series of Figure 8(a). As shown in Figure 8(b), it can be seen that the two values in the time series, that is, the MD 137 value, which indicates how far away they are from the center when considering the correlation between two variables, is abnormally high and out of the distribution.

（２）上記実施形態では、時系列の数値の標準化にあたって、数式（２）及び（３）に示すようにｎ（データ数）で除算する例を説明したが、これに限定されない。時系列の数値の標準化にあたって、他の例として、（ア）ｎに上限を設ける、（イ）ｎを一定値にして使用する、（ウ）ｎによる除算ではなく、０．１等の小さな値をパラメタとして用意しこの値を乗算する、等の方法も考えられる。 (2) In the above embodiment, an example was described in which the time series values were standardized by dividing by n (the number of data items) as shown in formulas (2) and (3), but this is not limiting. Other examples of standardizing the time series values include (a) setting an upper limit on n, (b) using a constant value for n, and (c) preparing a small value such as 0.1 as a parameter and multiplying by this value instead of dividing by n.

本実施形態における態様は、以下のような開示を含む。 Aspects of this embodiment include the following disclosure:

［付記１］
対象（１００）の状態を監視するセンサ（２０）の出力信号から生成された時系列の数値を、逐次取得する取得部（１１）と、
取得部（１１）により新たに取得された数値を評価関数に入力して得られた演算結果に基づいて、対象（１００）の異常を逐次検知する検知部（１２）と、
取得部（１１）により新たに取得された数値に基づいて、評価関数を逐次更新する更新部（１３）と、
評価関数の演算結果に基づいて、評価関数の妥当性を判定する判定部（１４）と、を備え、
更新部（１３）は、判定部（１４）が評価関数の妥当性がないと判定した場合、評価関数を初期化する、
コントローラ（１０）。 [Appendix 1]
An acquisition unit (11) that sequentially acquires time-series numerical values generated from an output signal of a sensor (20) that monitors a state of an object (100);
A detection unit (12) that sequentially detects abnormalities in the target (100) based on a calculation result obtained by inputting the newly acquired numerical value by the acquisition unit (11) into an evaluation function;
an update unit (13) that sequentially updates the evaluation function based on the newly acquired numerical value by the acquisition unit (11);
A determination unit (14) that determines the validity of the evaluation function based on a calculation result of the evaluation function,
The update unit (13) initializes the evaluation function when the determination unit (14) determines that the evaluation function is invalid.
Controller (10).

［付記２］
コントローラ（１０）に、
対象（１００）の状態を監視するセンサ（２０）の出力信号から生成された時系列の数値を、逐次取得することと、
新たに取得された前記数値を評価関数に入力して得られた演算結果に基づいて、対象（１００）の異常を逐次検知することと、
新たに取得された前記数値に基づいて、前記評価関数を逐次更新することと、
前記評価関数の演算結果に基づいて、前記更新された評価関数の妥当性を判定することと、
前記評価関数の妥当性がないと判定した場合、前記評価関数を初期化することと、
を実行させる方法。 [Appendix 2]
The controller (10),
Sequentially acquiring time series numerical values generated from an output signal of a sensor (20) that monitors a state of an object (100);
Sequentially detecting abnormalities in the object (100) based on the calculation results obtained by inputting the newly acquired numerical values into an evaluation function;
Sequentially updating the evaluation function based on the newly obtained numerical value;
determining the validity of the updated evaluation function based on a calculation result of the evaluation function;
initializing the evaluation function when it is determined that the evaluation function is invalid;
How to make it run.

［付記３］
コントローラ（１０）に、
対象（１００）の状態を監視するセンサ（２０）の出力信号から生成された時系列の数値を、逐次取得することと、
新たに取得された前記数値を評価関数に入力して得られた演算結果に基づいて、対象（１００）の異常を逐次検知することと、
新たに取得された前記数値に基づいて、前記評価関数を逐次更新することと、
前記評価関数の演算結果に基づいて、前記更新された評価関数の妥当性を判定することと、
前記評価関数の妥当性がないと判定した場合、前記評価関数を初期化することと、
を実行させるプログラム。 [Appendix 3]
The controller (10),
Sequentially acquiring time series numerical values generated from an output signal of a sensor (20) that monitors a state of an object (100);
Sequentially detecting abnormalities in the object (100) based on the calculation results obtained by inputting the newly acquired numerical values into an evaluation function;
Sequentially updating the evaluation function based on the newly obtained numerical value;
determining the validity of the updated evaluation function based on a calculation result of the evaluation function;
initializing the evaluation function when it is determined that the evaluation function is invalid;
A program that executes the following.

１…システム、１０…コントローラ、１１…取得部、１２…検知部、１３…更新部、１４…判定部、１５…記憶部、１６…出力部、１６ａ…第１出力部、１６ｂ…第２出力部、１７…受付部、１７ａ…第１受付部、１７ｂ…第２受付部、２０…センサ、３０…コンピュータ、５０…搬送装置、１００…対象 1...system, 10...controller, 11...acquisition unit, 12...detection unit, 13...update unit, 14...determination unit, 15...storage unit, 16...output unit, 16a...first output unit, 16b...second output unit, 17...reception unit, 17a...first reception unit, 17b...second reception unit, 20...sensor, 30...computer, 50...transport device, 100...target

Claims (7)

制御対象の装置によって処理される対象の状態を検知するコントローラであって、
前記対象の状態を監視するセンサの出力信号から生成された時系列の数値を、逐次取得する取得部と、
前記取得部により新たに取得された前記数値を評価関数に入力して得られた演算結果に基づいて、前記対象の異常を逐次検知する検知部と、
前記取得部により新たに取得された前記数値に基づいて、前記評価関数を逐次更新する更新部と、
記憶部に記憶された判定方法であって前記評価関数の演算結果を用いて判定する判定方法により、前記評価関数の妥当性を判定する判定部と、を備え、
前記判定部は、前記検知部が前記対象を異常と検知する前記演算結果が設定された回数連続して得られた場合に、前記評価関数の妥当性がないと判定し、
前記更新部は、
前記判定部が前記評価関数の妥当性がないと判定した場合、前記評価関数を初期化し、
前記判定部の判定に基づいて前記評価関数を初期化した後に、設定された回数連続して前記対象を異常と検知した前記演算結果が得られたそれぞれの前記数値に基づいて、前記初期化した後の前記評価関数を再更新する、
コントローラ。 A controller that detects a state of an object to be processed by a controlled device,
an acquisition unit that sequentially acquires time-series numerical values generated from an output signal of a sensor that monitors a state of the target;
a detection unit that sequentially detects abnormalities in the target based on a calculation result obtained by inputting the newly acquired numerical value by the acquisition unit into an evaluation function;
an update unit that sequentially updates the evaluation function based on the newly acquired numerical value by the acquisition unit;
a judgment unit that judges the validity of the evaluation function by a judgment method stored in a storage unit and using a calculation result of the evaluation function;
the determination unit determines that the evaluation function is invalid when the detection unit detects the target as abnormal a set number of times in succession;
The update unit is
When the determination unit determines that the evaluation function is invalid, the evaluation function is initialized;
After initializing the evaluation function based on the judgment of the judgment unit, the evaluation function after the initialization is updated again based on the numerical values obtained from the calculation results in which the target is detected as abnormal a set number of times in succession.
controller. 前記評価関数は、前記数値を標準化する関数である、
請求項１に記載のコントローラ。 The evaluation function is a function that standardizes the numerical value.
The controller of claim 1 . 前記検知部は、前記取得部において前記時系列の数値がその取得開始から前記評価関数の評価を安定させるために設定された安定数を超えて取得されるまで、前記評価関数を利用しない、
請求項１又は２に記載のコントローラ。 the detection unit does not use the evaluation function until the number of times the time series values acquired by the acquisition unit exceeds a stable number set for stabilizing the evaluation of the evaluation function from the start of the acquisition.
3. A controller according to claim 1 or 2. 前記記憶部は、前記判定部における複数の判定方法を記憶し、
前記記憶部を参照して、前記複数の判定方法それぞれをユーザから選択可能に出力する第１出力部と、
前記出力された判定方法の選択を、前記ユーザから受け付ける第１受付部と、を備え、
前記判定部は、前記選択された判定方法により前記更新された評価関数の妥当性を判定する、
請求項１から３のいずれか一項に記載のコントローラ。 The storage unit stores a plurality of determination methods for the determination unit,
a first output unit that refers to the storage unit and outputs each of the plurality of determination methods in a manner that allows a user to select the determination method;
a first reception unit that receives the output selection of the determination method from the user,
the determination unit determines the validity of the updated evaluation function by the selected determination method.
A controller according to any one of claims 1 to 3 . 前記評価関数における初期化の実行タイミングを、ユーザから選択可能に出力する第２出力部と、
前記出力された実行タイミングの選択を、前記ユーザから受け付ける第２受付部と、を備え、
前記更新部は、前記選択された実行タイミングに基づいて前記評価関数の初期化を行う、
請求項１から４のいずれか一項に記載のコントローラ。 a second output unit that outputs the execution timing of the initialization in the evaluation function in a manner selectable by a user;
a second reception unit that receives the output selection of the execution timing from the user,
The update unit initializes the evaluation function based on the selected execution timing.
A controller according to any one of claims 1 to 4 . 制御対象の装置によって処理される対象の状態を検知するコントローラに、
前記対象の状態を監視するセンサの出力信号から生成された時系列の数値を、逐次取得することと、
新たに取得された前記数値を評価関数に入力して得られた演算結果に基づいて、前記対象の異常を逐次検知することと、
新たに取得された前記数値に基づいて、前記評価関数を逐次更新することと、
記憶部に記憶された判定方法であって前記評価関数の演算結果を用いて判定する判定方法により、前記更新された評価関数の妥当性を判定することと、
前記対象を異常と検知する前記演算結果が設定された回数連続して得られた場合に、前記評価関数の妥当性がないと判定することと、
前記評価関数の妥当性がないと判定した場合、前記評価関数を初期化することと、
前記判定に基づいて前記評価関数を初期化した後に、設定された回数連続して前記対象を異常と検知した前記演算結果が得られたそれぞれの前記数値に基づいて、前記初期化した後の前記評価関数を再更新することと、
を実行させる方法。 A controller that detects the state of an object to be processed by a controlled device,
Sequentially acquiring a time series of numerical values generated from an output signal of a sensor that monitors a state of the object;
Sequentially detecting abnormalities in the target based on a calculation result obtained by inputting the newly acquired numerical value into an evaluation function;
Sequentially updating the evaluation function based on the newly obtained numerical value;
determining the validity of the updated evaluation function by a determination method stored in a storage unit, the determination method using a calculation result of the evaluation function;
determining that the evaluation function is invalid when the calculation result that detects the object as abnormal is obtained a set number of times in succession;
initializing the evaluation function when it is determined that the evaluation function is invalid;
After initializing the evaluation function based on the judgment, re-updating the evaluation function after the initialization based on the numerical values obtained from the calculation results in which the target is detected as abnormal a set number of times in succession;
How to make it run. 制御対象の装置によって処理される対象の状態を検知するコントローラに、
前記対象の状態を監視するセンサの出力信号から生成された時系列の数値を逐次取得することと、
新たに取得された前記数値を評価関数に入力して得られた演算結果に基づいて、前記対象の異常を逐次検知することと、
新たに取得された数値に基づいて前記評価関数を逐次更新することと、
記憶部に記憶された判定方法であって前記評価関数の演算結果を用いて判定する判定方法により、前記更新された評価関数の妥当性を判定することと、
前記対象を異常と検知する前記演算結果が設定された回数連続して得られた場合に、前記評価関数の妥当性がないと判定することと、
前記評価関数の妥当性がないと判定した場合、前記評価関数を初期化することと、
前記判定に基づいて前記評価関数を初期化した後に、設定された回数連続して前記対象を異常と検知した前記演算結果が得られたそれぞれの前記数値に基づいて、前記初期化した後の前記評価関数を再更新することと、
を実行させるプログラム。 A controller that detects the state of an object to be processed by a controlled device,
Sequentially acquiring time series numerical values generated from an output signal of a sensor that monitors the state of the object;
Sequentially detecting abnormalities in the target based on a calculation result obtained by inputting the newly acquired numerical value into an evaluation function;
Sequentially updating the evaluation function based on newly obtained numerical values;
determining the validity of the updated evaluation function by a determination method stored in a storage unit, the determination method using a calculation result of the evaluation function;
determining that the evaluation function is invalid when the calculation result that detects the object as abnormal is obtained a set number of times in succession;
initializing the evaluation function when it is determined that the evaluation function is invalid;
After initializing the evaluation function based on the judgment, re-updating the evaluation function after the initialization based on the numerical values obtained from the calculation results in which the target is detected as abnormal a set number of times in succession;
A program that executes the following.
JP2020102296A 2020-06-12 2020-06-12 CONTROLLER, SYSTEM, METHOD, AND PROGRAM Active JP7494588B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2020102296A JP7494588B2 (en) 2020-06-12 2020-06-12 CONTROLLER, SYSTEM, METHOD, AND PROGRAM
PCT/JP2021/009547 WO2021250959A1 (en) 2020-06-12 2021-03-10 Controller, system, method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020102296A JP7494588B2 (en) 2020-06-12 2020-06-12 CONTROLLER, SYSTEM, METHOD, AND PROGRAM

Publications (2)

Publication Number Publication Date
JP2021196815A JP2021196815A (en) 2021-12-27
JP7494588B2 true JP7494588B2 (en) 2024-06-04

Family

ID=78845491

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020102296A Active JP7494588B2 (en) 2020-06-12 2020-06-12 CONTROLLER, SYSTEM, METHOD, AND PROGRAM

Country Status (2)

Country Link
JP (1) JP7494588B2 (en)
WO (1) WO2021250959A1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009536407A (en) 2006-05-07 2009-10-08 アプライド マテリアルズ インコーポレイテッド Adaptive multivariable fault detection
JP2011221642A (en) 2010-04-06 2011-11-04 Nippon Steel Corp Quality prediction device, quality prediction method, computer program and computer-readable recording medium
JP2015018389A (en) 2013-07-10 2015-01-29 株式会社日立パワーソリューションズ Abnormality sign diagnosis device and abnormality sign diagnosis method
JP2017187820A (en) 2016-03-31 2017-10-12 株式会社東芝 Process diagnostic device, process diagnostic method, and computer program

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3448476B2 (en) * 1997-11-27 2003-09-22 三洋電機株式会社 Equipment operation status management device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009536407A (en) 2006-05-07 2009-10-08 アプライド マテリアルズ インコーポレイテッド Adaptive multivariable fault detection
JP2011221642A (en) 2010-04-06 2011-11-04 Nippon Steel Corp Quality prediction device, quality prediction method, computer program and computer-readable recording medium
JP2015018389A (en) 2013-07-10 2015-01-29 株式会社日立パワーソリューションズ Abnormality sign diagnosis device and abnormality sign diagnosis method
JP2017187820A (en) 2016-03-31 2017-10-12 株式会社東芝 Process diagnostic device, process diagnostic method, and computer program

Also Published As

Publication number Publication date
WO2021250959A1 (en) 2021-12-16
JP2021196815A (en) 2021-12-27

Similar Documents

Publication Publication Date Title
CN108628281B (en) Abnormality detection system and abnormality detection method
JP6810097B2 (en) Anomaly detector
CN106896779B (en) Maintenance period forecasting system and maintenance period prediction meanss
JP5992087B1 (en) Preventive maintenance management system for creating machine maintenance plans
JP6678824B2 (en) Unsteady detection device, unsteady detection system, and unsteady detection method
US7184910B2 (en) Method of compensating sensor data and evaluating an interlock of an interlock system
JP2009080612A (en) Method for evaluating distribution, method for producing article, distribution evaluation program, and distribution evaluation system
JP2008112209A (en) Operating condition monitoring apparatus, method for monitoring operating condition and program
CN111867806A (en) Method for automatic process monitoring and process diagnosis of piece-based processes (batch production), in particular injection molding processes, and machine for carrying out said processes or machine assembly for carrying out said processes
JP2008226006A (en) Facility equipment diagnostic device and program
US20220269248A1 (en) Method and device for automatically determining an optimized process configuration of a process for manufacturing or processing products
JP7494588B2 (en) CONTROLLER, SYSTEM, METHOD, AND PROGRAM
JP6302014B2 (en) Cell control device
JP6273835B2 (en) State determination device, state determination method, and state determination program
WO2021025006A1 (en) Improvement measure recommendation system
JP7029647B2 (en) Controllers, systems, methods and programs
US11687061B2 (en) Data collection and analysis system, data collection and analysis apparatus, machine learning apparatus, and data collection and analysis method
US20220413480A1 (en) Time series data processing method
WO2021256017A1 (en) Controller, system, method, and program
CN113095340B (en) Abnormality early warning method of production machine and mass production method of objects
WO2021199160A1 (en) Information processing device, information processing method, recording medium, information processing system
JP7232028B2 (en) Operation monitoring device and method
JP2024018619A (en) Information processing device, information processing method, and information processing program
CN114971599A (en) Food manufacturing processing technological parameter setting method, device, equipment and medium
CN112543944A (en) Information management device and information management method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230308

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230926

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231121

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240119

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240318

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240423

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240506

R150 Certificate of patent or registration of utility model

Ref document number: 7494588

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150